公开(公告)号：CN111091194A

公开(公告)日：2020-05-01

申请号：CN201911109045.1

申请日：2019-11-13

Applicant: 西安交通大学 ,  北京神州绿盟信息安全科技股份有限公司

Inventor： 桂小林 ,  安迪 ,  樊志甲 ,  李瀛 ,  范建存

IPC: G06N7/00

Abstract: 本发明公开了一种基于CAVWNB_KL算法的操作系统识别方法，分析nmap中的操作系统识别规则，从拆分出的大量数据集中抽出M万数据作为训练数据，同样的方法再次抽出m万数据作为模拟测试数据；将得到的M万数据进行封箱操作；使用KL散度计算属性与类之间的关联度作为每个属性的权值；将预处理过的M万数据计算先验概率和后验概率，作为指纹存储；取m万数据集计算出测试精度衡量指标；计算真实流量的测试精度；将采集到的真实流量进行筛选，以贝叶斯增量学习的方式增量训练，修正原有的指纹模型，完成识别。本发明采用CAVWNB_KL算法，极大的缓解了朴素贝叶斯属性间要求的独立的条件，提高了分类精度。

公开(公告)号：CN111091194B

公开(公告)日：2022-05-20

申请号：CN201911109045.1

申请日：2019-11-13

Applicant: 西安交通大学 ,  北京神州绿盟信息安全科技股份有限公司

Inventor： 桂小林 ,  安迪 ,  樊志甲 ,  李瀛 ,  范建存

IPC: G06N7/00

Abstract: 本发明公开了一种基于CAVWNB_KL算法的操作系统识别方法，分析nmap中的操作系统识别规则，从拆分出的大量数据集中抽出M万数据作为训练数据，同样的方法再次抽出m万数据作为模拟测试数据；将得到的M万数据进行封箱操作；使用KL散度计算属性与类之间的关联度作为每个属性的权值；将预处理过的M万数据计算先验概率和后验概率，作为指纹存储；取m万数据集计算出测试精度衡量指标；计算真实流量的测试精度；将采集到的真实流量进行筛选，以贝叶斯增量学习的方式增量训练，修正原有的指纹模型，完成识别。本发明采用CAVWNB_KL算法，极大的缓解了朴素贝叶斯属性间要求的独立的条件，提高了分类精度。

公开(公告)号：CN111242179A

公开(公告)日：2020-06-05

申请号：CN202010003109.6

申请日：2020-01-02

Applicant: 西安交通大学

Inventor： 桂小林 ,  安迪

IPC: G06K9/62

Abstract: 本发明公开了一种基于CFS_KL的新型贝叶斯加权方法，使用指纹库中的指纹名称作为模型的标记数据，指纹名称下的响应序列标志位构成训练数据；对训练数据进行封箱预处理操作；使用KL散度计算属性与类之间的关联度作为每个属性的权值；使用特征选择方法选出42个维度；使用CFS选出的维度修正KL散度计算出的权重；使用加权贝叶斯算法进行训练；通过封箱操作将向量输入训练好的指纹模型，基于CFS_KL的加权贝叶斯算法计算每条流量的最大后验概率，完成模拟数据测试；通过向目标网段发包的方式，采集真实流量，将真实流量输入指纹模型，预测结果；计算真实流量的测试精度。本发明缓解了贝叶斯算法对于特征独立的要求，提高了贝叶斯算法的识别精度。

公开(公告)号：CN111242179B

公开(公告)日：2022-02-18

申请号：CN202010003109.6

申请日：2020-01-02

Applicant: 西安交通大学

Inventor： 桂小林 ,  安迪

IPC: G06K9/62

Abstract: 本发明公开了一种基于CFS_KL的新型贝叶斯加权方法，使用指纹库中的指纹名称作为模型的标记数据，指纹名称下的响应序列标志位构成训练数据；对训练数据进行封箱预处理操作；使用KL散度计算属性与类之间的关联度作为每个属性的权值；使用特征选择方法选出42个维度；使用CFS选出的维度修正KL散度计算出的权重；使用加权贝叶斯算法进行训练；通过封箱操作将向量输入训练好的指纹模型，基于CFS_KL的加权贝叶斯算法计算每条流量的最大后验概率，完成模拟数据测试；通过向目标网段发包的方式，采集真实流量，将真实流量输入指纹模型，预测结果；计算真实流量的测试精度。本发明缓解了贝叶斯算法对于特征独立的要求，提高了贝叶斯算法的识别精度。